提高患者护理质量和医疗服务，Hadoop大数据如何改变医疗行业？

为了提供最好的医疗解决方案，医疗行业的所有主要部门，包括医疗IT、支付方、提供者和制药公司都面临着越来越大的压力，要求它们提高患者护理质量，以更低的成本提供最好的医疗服务。

这些组织中的每一个都在不断增长的病人数据中寻找价值。这些数据的多样性包括EMR笔记、医疗通信、可穿戴健康设备的输出、生物医学研究、索赔数据、移动数据和社交媒体对话，这意味着这些数据来自多个单独的数据源。在医疗行业，大约80%的医疗数据是非结构化的，这使得组织很难访问和集成其他数据源。安全地整合这些丰富的数据并应用预测分析的能力将提高医疗效率，减少欺诈性索赔，发现更有效的治疗方法，并改进医生支持。

Hadoop和医疗

Hadoop附带的MapR发行版将大量结构化和非结构化医疗保健数据汇集到一个中央存储库中，该存储库可以部署现有的硬件和网络组件。医疗组织中的多个组可以访问这些数据，并将其存储在安全的、符合hipaa的、支持hadoop的体系结构中。医生和护理人员可以获得全面的患者数据和医学研究，这有助于他们在疾病的早期诊断，从而根据患者的基因构成分配治疗方案，并调整药物剂量，以尽量减少副作用，从而改善医疗服务。

医疗行业致力于电子健康记录(EHR)，这是一个非常非结构化的文档，它对医疗组织提出了独特的挑战，因为许多EHR允许免费文本输入临床记录和其他叙述性数据收集领域。需要提取、处理这些数据并对其进行规范化，以便进行分析。Hadoop的分布式数据处理方法可能会有所帮助。Hadoop主要使用Hadoop Distributed Fie System (HDFS)和MapReduce对数据进行存储和分析。

医疗机构继续寻求更有效的方法来治疗病人，这可以通过收集和分析尽可能多的数据来实现。收集患者和员工数据的组织可以更容易地看到哪里需要改进，哪里可以减少无效的努力。Hadoop在许多应用程序中以多面化的方式帮助医疗组织。我们已经讨论了一些关于Hadoop如何在医疗保健方面提供帮助的例子和用例。

欺诈检测

用户需要能够基于分析账单数据、程序基准数据或患者记录中的异常情况来检测欺诈。用户可以分析数据，发现异常情况，如医院在短时间内过度使用服务，病人在同一时间接受不同医院的医疗服务，或同一病人在多个地点开出相同的处方。MapR使用异常检测来实时检测这些事件，并在付款前通知供应商进行调查。

病人监护

医疗保健提供者希望通过不断监测病人的生命体征，为病人提供更积极主动的护理。来自这些监视器的数据可以实时用于提醒护理提供者病人病情的变化。MapR可以帮助收集这些数据并实时传输，这有助于检测变化。针对较大数据集运行的改进算法可以提高了解特定患者何时可能发生紧急情况的可能性，从而帮助提供者规划有效的干预措施。

个性化治疗

个性化治疗有助于为用户提供定制的医疗解决方案。药物或剂量可以根据药物的作用而改变。这种分析可以根据每个病人的具体需要进行调整。MapR提供了总结和详细级别的实时访问，因此可以及时调整治疗决策。

辅助诊断

临床研究人员可以跨多个数据源访问广泛的知识库，以帮助诊断患者病情的准确性。将单个数据集整合到一个大数据存储库中，并应用算法进行预测建模，通过识别子群体中的细微差别，提供更准确的洞见。这些细微差别可能非常罕见，在小型研究样本中是看不到的，但由于能够将算法应用于这些单独的数据集，细微差别现在可以清楚地检测出来。

医疗保健中的数据架构问题

过去的医疗保健深受数据基础设施的困扰，这些数据基础设施无法处理大量、速度和各种数据，而这些数据是获取行业的深刻临床、财务和运营见解所必需的。

传统上，数据是独立业务流程的结果，而独立业务流程总是导致数据单一。这延误了关键的病人数据，并迫使它的反应，如果发现和报告所有。有意义的数据将位于一个通宵批处理队列中，等待加载到企业数据仓库(enterprise data warehouse, EDW)，在那里关键的分析应用程序可以提供智能洞察。